Question

我有一个文本文件，其中包含一个巨大的行号列表，我必须从另一个主文件中删除。这是我的数据的样子

lines.txt

和documents.txt

string1
string2
string3
...

如果我有一个简短的行号列表，我可以很容易地使用

sed -i '1d,4d,5d' documents.txt。

但是我必须删除很多行号。另外，我可以使用bash / perl脚本将行号存储在数组中，并回显不在数组中的行。但我想知道是否有内置命令来做到这一点。

任何帮助都将受到高度赞赏。

Answer 1

awk oneliner应该适合你，请参阅下面的测试：

kent$  head lines.txt doc.txt 
==> lines.txt <==
1
3
5
7

==> doc.txt <==
a
b
c
d
e
f
g
h

kent$  awk 'NR==FNR{l[$0];next;} !(FNR in l)' lines.txt doc.txt
b
d
f
h

如Levon建议的那样，我补充一些解释：

awk                     # the awk command
 'NR==FNR{l[$0];next;}  # process the first file(lines.txt),save each line(the line# you want to delete) into an array "l"

 !(FNR in l)'           #now come to the 2nd file(doc.txt), if line number not in "l",print the line out
 lines.txt              # 1st argument, file:lines.txt
 docs.txt               # 2nd argument, file:doc.txt

Answer 2

好吧，我不会说Perl和bash我在审判后的审判后开始痛苦的审判。但是，Rexx很容易做到这一点;

lines_to_delete = ""

do while lines( "lines.txt" )
   lines_to_delete = lines_to_delete linein( "lines.txt" )
end

n = 0
do while lines( "documents.txt" )
   line = linein( "documents.txt" )
   n = n + 1
   if ( wordpos( n, lines_to_delete ) == 0 )
      call lineout "temp_out,txt", line
end

这会将您的输出保留在temp_out.txt中，您可以根据需要将其重命名为documents.txt。

Answer 3

以下是使用sed：

的方法

sed ':a;${s/\n//g;s/^/sed \o47/;s/$/d\o47 documents.txt/;b};s/$/d\;/;N;ba' lines.txt | sh

它使用sed构建sed命令并将其传递给要执行的shell。生成的sed命令看起来像`sed'3d; 5d; 11d'procuments.txt。

要构建它，外部sed命令会在每个数字后添加d;，循环到下一行，分支回到开头（N; ba）。到达最后一行（$）后，系统会移除所有换行符，并添加sed '，并附加最终d和' documents.txt。然后b从:a - ba循环分支到最后，因为没有指定标签。

以下是使用join和cat -n（假设lines.txt已排序）的方法：

join -t $'\v' -v 2 -o 2.2 lines.txt <(cat -n documents.txt | sed 's/^ *//;s/\t/\v/')

如果未对lines.txt进行排序：

join -t $'\v' -v 2 -o 2.2 <(sort lines.txt) <(cat -n documents.txt | sed '^s/ *//;s/\t/\v/')

修改

修复了join命令中的错误，其中原始版本仅输出documents.txt中每行的第一个单词。

Answer 4

这可能适合你（GNU sed）：

sed 's/.*/&d/' lines.txt | sed -i -f - documents.txt

或：

sed ':a;$!{N;ba};s/\n/d;/g;s/^/sed -i '\''/;s/$/d'\'' documents.txt/' lines.txt | sh

Answer 5

我在Unix SE上提出了一个类似的问题并得到了很好的答案，其中包括以下awk脚本：

#!/bin/bash
#
# filterline keeps a subset of lines of a file.
#
# cf. https://unix.stackexchange.com/q/209404/376
#
set -eu -o pipefail

if [ "$#" -ne 2 ]; then
    echo "Usage: filterline FILE1 FILE2"
    echo
    echo "FILE1: one integer per line indicating line number, one-based, sorted"
    echo "FILE2: input file to filter"
    exit 1
fi

LIST="$1" LC_ALL=C awk '
  function nextline() {
    if ((getline n < list) <=0) exit
  }
  BEGIN{
    list = ENVIRON["LIST"]
    nextline()
  }
  NR == n {
    print
    nextline()
  }' < "$2"

另一个C版本，性能更高一些：

https://github.com/miku/filterline

使用其他文件中的行号从文本文件中删除行

5 个答案: